>我想很多东西看起来复杂，是因为我们没有抓住事物的核心，所谓核心就是一个事物或者方法的主要支干，我称之为basic idea。当我们对这个basic idea 彻底理解，那么我们后面的工作就变得简单而明了：沿着这个支干看它如何发展，而不至于淹没在细枝末节里面。
下面我们来介绍一下自动驾驶里面**感知**模块的一个技术，定位（localization）技术的一个basic idea.定位技术对与自动驾驶汽车来说至关重要，定位所要解决的是**我在哪里**的问题。由于这里只是对basic idea的介绍，所以后面的这个系列都不会涉及到具体的数学推倒，仅从直观的角度来理解。
##定位是个概率问题
所谓定位就是根据位置传感器（GPS、激光雷达、图像、声呐、IMU、轮速计等）的输入，通过他们的置信度来综合一个当前汽车所在位置的概率分布。之所以说是一个概率问题，那是因为定位我们最关心的指标便是定位精度，而精度是由误差造成的。这种误差有两个来源：系统误差与测量误差。测量误差是由于传感器本身不准造成的。而系统误差则根源于测量原理的天然缺陷。这两种误差都会导致测量位置的随机分布。所以说定位是一个概率问题。
##定位问题的basic idea
这个basic idea是在udacity 的《无人车入门》课程中的定位模块所讲（并非我的原创），在这里声明一下。
让我们从下面这张图(为上课笔记，原谅这粗犷的画风)说起：
如图1，方框所代表的是一个区域，当无人车没有任何输入时，那么它在这个区域内每个位置的可能性是一样的，如图3所示的概率分布。
如图2,如果该区域内有一些可识别的标记（在图中用门表示），那么当无人车检测到其中一扇门的时候，概率分布如图4所示。
当无人车继续向前运动的时候，概率分布也随着无人车的运动而平移动，概率分布如图5所示。
当无人车继续向前运动到第二扇门时，利用之前检测到第一扇门的先验信息，此时无人车可以大概率确认自己在第二扇门附近，如图6所示。
上面这段描述，蕴藏这定位技术的基本思想。我们通过测量更新测量位置的概率分布（位置的置信变高），而运动后这种概率分布的置信度变低（在这个模型里面不变只是平移，这是因为现实中汽车的运动也难以精确表述，不是模型当中的简单的匀速运动）。而测量与运动这两个过程也是我们定位的过程：
首先，我们先通过各种传感器的量测来更新位置分布（Update）
然后，在下一次更新过程前，我们仍需知道无人车位置，在这段无输入的时间需要根据无人车运动模型来预测无人车的实时位置，直到下一次量测更新（Estimation）
这便是无人驾驶技术中的定位的basic idea
